深度學習框架：TensorFlow（簡介）

 

目前最主流的深度框架有 TensorFlow、Pytorch 以及 Keras。其中：

• TensorFlow 是被使用最普遍的一個深度學習框架，已普遍的運用在如，圖像識別、圖片分類等領域。

• PyTorch 是一個開源的 Python 機器學習庫，基於 Torch 開發，底層由 C++實現，也被普遍使用在人工智能領域；

• Keras 則是 Python 編寫的高級神經網絡 API，它能夠將 TensorFlow、CNTK，或是 Theano 做爲後端程序來用，它的代碼簡單、易讀。

 

 

 

TensorFlow的核心概念

 

 

1. 張量（Tensor ）：TensorFlow中的基本數據對象，做爲圖中的節點（Operation，提供圖當中執行的操做）的輸入輸出，在節點之間流動（Flow），所以得名。能夠被理解成一個多維數組，TensorFlow 的張量與 Numpy 的數組比較類似。其中的每一個元素都具備相同的數據類型，且該數據類型必定是已知的（使用 tensor 的 dtpye 屬性查看 tensor 的數據類型）。張量是有形狀的（經過 tensor 的 shape 屬性查看 tensor 的形狀），關於 tensor 的形狀有兩個術語：秩、軸（維度）。 

• 秩：張量維度的數目。
• 軸（維度）：軸（維度）就是咱們計算機科學中數組的維度。例如，向量的維度就是 1，矩陣的維度就是 2。 

張量的階

 

2. 計算圖：是一個有向圖，又能夠叫做數據流圖(data flow graphs)，是TensorFlow將計算表示爲指令之間的依賴關係的一種表示法。它是 TensorFlow 操做對象（tf.Operation）與張量對象（tf.Tensor）的集合。操做對象是圖中的節點，是圖中的計算單元，張量對象是圖的邊，是在節點之間流動的數據。TensorFlow 的 3 種計算圖，分別是：

• • 靜態計算圖：優勢是高效，在分佈式訓練、性能優化和生產部署方面都有優點。定義好以後能夠反覆執行。
  • 動態計算圖：TensorFlow 2 中 Eager Execution 模型就是採用動態計算圖方式，大大地提升了代碼的簡潔性，且很是易於調試。
  • Autograph：兼顧代碼的可讀性與運行的高性能，TensorFlow 2 中提出了 Autograph只要在 Python 的函數前加上@tf.function 標籤，就能夠將 Python 的函數轉換爲靜態計算圖。

 

 3.會話：TensorFlow跨一個或者過個本地或遠程設備運行數據流圖的機制。

 

 

TensorFlow 2 中幾個比較經常使用的 API

 

• tf.compact
• tf.data
• tf.image
• tf.nn
• tf.keras
• tf.lite
• tf.math

 

高效的實驗分析助手-TensorBoard

 

 能夠經過 Web 頁面提供查看細節與過程的功能，它將模型的細節與過程，經過瀏覽器可視化的方式進行展示，幫助使用者感知各個參數與指標的變化，把握訓練趨勢。

 

 

參考：

 

1. TensorFlow 2.0的API詳解：https://tensorflow.google.cn/versions/r2.0/api_docs/python/tf

2. 可視化TensorFlow運行：

TensorFlow是一個採用數據流圖，用於數值計算的開源框架。節點在圖中表示數學操做，線則表示在節點互相聯繫的多維數據數組，即張量。

 

 

3.Python安裝TensorFlow常見報錯：

W tensorflow/stream_executor/platform/default/dso_loader.cc:60] Could not load dynamic library 'libcudart.so.10.1'; dlerror: libcudart.so.10.1: cannot open shared object file: No such file or directory
I tensorflow/stream_executor/cuda/cudart_stub.cc:29] Ignore above cudart dlerror if you do not have a GPU set up on your machine.

• 問題分析與解決方式：GPU的版本與TensorFlow的版本不一致；GPU的版本與TensorFlow的對應關係參見：https://tensorflow.google.cn/install/source#gpu  

 

I tensorflow/core/platform/cpu_feature_guard.cc:140] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2

• 問題分析與解決方式：當前的CPU能夠支持未編譯爲二進制的指令AVX2 ；要想消除該提示，須要在代碼中添加兩行代碼：（用於設置TensorFlow的日誌級別的） 

import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'

View Code